一种基于偏好概率加权采样的鲁棒模型拟合方法，涉及计算机视觉。A.准备数据集；B.赋予数据集中每个数据点权重，循环执行步骤C‑D，生成模型假设；C.从数据点中以权重采样数据点子集，进行模型更新策略，在数据集中通过随机采样生成初始模型假设，并通过迭代方式更新模型假设，直到满足停止标准停止迭代，通过更新选取得到最佳模型假设并加入模型假设集；D.根据偏好概率公式和模型假设集计算各数据点的偏好概率，通过增大偏好概率在一定阈值区间的数据点权重，增加采样小结构模型实例内点概率，减少大结构模型实例和离群点对采样干扰；E.用模型假设集的残差向量集，构建相似度矩阵，应用谱聚类技术对数据聚类，估计多结构模型实例。